Можно ли научить человека пониманию ? 

DeepMind представила новый ИИ, делающий роботов умнее и способнее

Google DeepMind анонсировала Robotics Transformer 2 (RT-2) — первую модель визуального языка и действия (VLA), которая позволяет роботам выполнять новые задачи без специальной подготовки. По аналогии с тем, как языковые модели изучают общие идеи и концепции из данных в сети, RT-2 использует текст и изображения из интернета для понимания различных концепций реального мира и преобразования этих знаний в инструкции для роботов. Это открывает перспективы для создания адаптируемых роботов, способных выполнять задачи в разных ситуациях и средах с минимальным обучением.

Усовершенствованные модели визуального языка и действия, такие как RT-2, могут привести к созданию контекстно-зависимых роботов, которые способны рассуждать, решать проблемы и интерпретировать информацию для выполнения разнообразных действий в реальном мире в зависимости от текущей ситуации. Например, вместо роботов, выполняющих одни и те же повторяющиеся действия на складе, предприятия могли бы внедрить машины, которые способны обрабатывать каждый объект по-разному, учитывая тип объекта, вес, хрупкость и другие факторы.

[внешняя ссылка]

«Генеративные языковые модели могут обрести сознание в ближайшие 10 лет»

Сознание, по словам ученого, имеет множество измерений. Во-первых, это сенсорные переживания, связанные с восприятием. Во-вторых, аффективные переживания, связанные с чувствами. В-третьих, это когнитивный опыт: мысли и рассуждения. В-четвертых, агентивный опыт: намерения и действия. Еще есть самосознание. Все они являются компонентами субъективного опыта.

Далее Чалмерс перечисляет и подробно разбирает четыре варианта индикаторов сознания у языковых моделей: машина сообщает, что обрела сознание; машина кажется обретшей сознание; машина обладает выдающимися разговорными навыками; машина приобрела универсальный интеллект, то есть перестала специализироваться на чем-то одном.

«вполне возможно, что в ближайшее десятилетие у нас появятся надежные системы с органами чувств и телами, моделью мира и самих себя, рекуррентной обработкой информации, глобальным рабочим пространством и едиными целями». Такую вероятность Чалмерс оценивает в 50% с лишним. И еще столько же шансов у таких систем развить в себе настоящее сознание. Вместе получается 25%. Не так уже мало.

[внешняя ссылка]

Нормуль, вот тогда и женюсь на ИИ

Да, можно научить человека пониманию. Понимание — это сложный процесс, который требует способности воспринимать информацию, обрабатывать ее и делать выводы. Есть много способов научить человека пониманию, но некоторые из самых эффективных включают:

* Предоставление примеров. Чем больше человек видит, как что-то делается, тем лучше он его понимает. Поэтому показывайте ему примеры того, что вы хотите, чтобы он понял.
* Объясняющие вещи простым языком. Не используйте сложные термины и объяснения, которые человек не сможет понять. Объясняйте ему вещи простым языком, который он сможет понять.
* Задавайте ему вопросы. Задавайте ему вопросы о том, что он понимает. Это поможет ему понять вещи лучше.
* Будьте терпеливы. Понимание приходит не сразу. Будьте терпеливы и не отчаивайтесь, если человек не сразу понимает то, что вы ему пытаетесь объяснить.

Вот несколько дополнительных советов, которые могут быть полезны:

* Используйте наглядные пособия. Наглядные пособия могут помочь человеку понять вещи лучше. Например, если вы пытаетесь объяснить ему, как работает машина, покажите ему ее работу.
* Используйте различные методы обучения. Не все люди учатся одинаково. Используйте различные методы обучения, чтобы найти тот, который лучше всего подходит для конкретного человека.
* Поощряйте человека учиться. Поощряйте его учиться, делая его обучение интересным и увлекательным.

Надеюсь, эти советы помогут вам научить человека пониманию.

gbkiu

спасибо большое

ИИ впервые победил чемпионов мира по скоростному управлению дронами

Управление гоночным дроном требует отличной реакции, высокой скорости принятия решений, сноровки и интуиции. И тем не менее, искусственный интеллект Swift, созданный специалистами из Университета Цюриха и компании Intel, изучив принципы трехмерных гонок, смог победить двух мировых чемпионов и трехкратного чемпиона Швейцарии, а также продемонстрировал лучшее время.

Система Swift управляла дроном, получая такую же визуальную информацию с единственной камеры БПЛА, как и операторы-люди, но вдобавок использовала дополнительные данные о скорости, ускорении и положении в пространстве, которые собирал бортовой измерительный блок.

Предварительное обучение ИИ прошел в виртуальной среде, запустив одновременно сотню дронов по сложной трассе с семью контрольными воротами: сначала нейросеть изучала особенности трассы, затем перешла к поиску траекторий полета и, наконец, оптимизировала их, чтобы увеличить скорость прохождения до максимума. Весь процесс занял менее часа реального времени, сообщает New Atlas.

Затем ИИ настроил стратегии управления, скорректировав их данными, собранными в ходе реальных полетов: турбулентность, ухудшение визуального сигнала и другие факторы неопределенности, которые могут возникнуть в реальном полете. Который состоялся в самолетном ангаре на трассе 25 на 25 метров.

Несмотря на победу, дрон Swift пока уступает людям в способности адаптироваться к меняющимся условиям. Слишком яркий солнечный свет оказался непривычен нейросети, и в эти мгновения ИИ терял хватку. Так что тактика неожиданности и приспособляемость остаются последним оружием людей против машин. По крайней мере, пока.

[внешняя ссылка]

Вы поняли, да?
@Hugo_StiglitzUA

Джорд Мартин и ещё несколько писателей подали в суд на компанию OpenAI. В иске указано, что некий программист Лайамом Суэйном использовал продукт "Chat GPT" для написания продолжения серии романов "Игра престолов"

Это зашло слишком далеко

[внешняя ссылка]

STARLINK технологии и коты
@lgj170

ChatGPT теперь может просматривать Интернет, чтобы предоставлять вам актуальную и достоверную информацию с прямыми ссылками на источники. Он больше не ограничивается данными до сентября 2021 года.

[внешняя ссылка]

Я теперь у чатгопоты спрашиваю за механику и физику. Единственно может соврать безбожно и нужно всё перепроверять, особенно калькуляцию по формулам. Но время экономит колоссально.

На 3D-принтере из клеток напечатали часть коры головного мозга

Искусственную ткань напечатали из стволовых клеток человека и протестировали на мышах.

Исследователи из Оксфордского университета впервые продемонстрировали, что нервные клетки можно напечатать на 3D-принтере, чтобы имитировать архитектуру коры головного мозга. Готовые ткани успешно имплантировали в мозг крысы. В будущем технология поможет для лечения травм головного мозга.

Ученые напечатали двухслойную ткань мозга из индуцированных плюрипотентных стволовых клеток (hiPSC), которые потенциально могут производить различные типы клеток. Ключевое преимущество использования hiPSC для восстановления тканей заключается в том, что их можно получить из клеток пациентов — и, следовательно, избежать отторжения после пересадки.

Нарушения в работе головного мозга, в том числе вызванные травмой, инсультом или удалением опухоли, обычно приводят к значительному повреждению коры головного мозга, трудностям в познании, движении и общении. Регенеративная терапия тканей может стать многообещающим способом лечения подобных травм в будущем.

[внешняя ссылка]

Компания Neuralink, занимающаяся разработкой и производством имплантируемых нейрокомпьютерных интерфейсов, объявила о начале набора участников для своего первого клинического испытания. Исследование проводится с разрешения FDA , полученного в мае 2023 года.

Согласно информации, опубликованной на официальном сайте компании, главная цель исследования – оценить безопасность и эффективность нового медицинского устройства, предназначенного для соединения мозга с компьютером.

Особое внимание Neuralink уделяет приглашению пациентов с параличом и диагнозом болезни Лу Герига (ALS). Также компания открыла реестр для тех, кто желает участвовать в будущих клинических исследованиях.

В июне Илон Маск заявил , что его стартап проведет прямую трансляцию первой операции по имплантации чипа в мозг человека в этом году. По словам предпринимателя, первым испытуемым станет тетраплегик или параплегик, то есть человек с параличом всех или двух конечностей.

[внешняя ссылка]

Новый ИИ позволяет робопсам без долгого обучения преодолевать любые препятствия

Исследователи из Стэнфордского университета и Шанхайского института Ци Чжи разработали новый алгоритм, основанный на компьютерном зрении, который позволяет робопсам справляться с различными препятствиями без детально отработки прохождения каждого из них. На основе только визуальных данных, понимания собственных возможностей и накопленного опыта робопсы самостоятельно решали, как им проходить препятствия, и достигли в этом потрясающих результатов.

Ключевым достижением является то, что экспериментальные робопсы стали автономными в принятии решений — они сами оценивали препятствия на своем пути, соотносили его с пределами своей ловкости и выбирали путь решения проблемы. Для этого ученые объединили восприятие и контроль, используя данные с камеры глубины, установленной на роботе, и машинное обучение для обработки полученной информации и управления движением ног. Это не первые роботы-собаки, демонстрирующие такую ловкость, но они впервые сочетают самодостаточность с широким набором навыков.

Существующие методы обучения роботов-собак основаны на сложных системах вознаграждения, которые необходимо настраивать для каждого конкретного физического препятствия. А значит, эти методы плохо адаптируются к новым или незнакомым средам. Другие подходы пытаются учить роботов, имитируя навыки ловкости других животных на основе реальных данных. Однако такие роботы-собаки не имеют широкого набора навыков и связи их выработки со зрением. Кроме того, оба метода обучения характеризуются низкой скоростью обработки информации.

Ученые создали первое приложение с открытым исходным кодом, которое обучает робопсов с помощью простой системы вознаграждений. Исследователи сначала синтезировали и отточили алгоритм с помощью компьютерной модели, а затем перенесли его на двух реальных робопсов. Во время обучения с подкреплением, роботы пытались двигаться вперед любым удобным для них способом и получали вознаграждение в зависимости от того, насколько хорошо они справлялись. Именно так алгоритм в конечном итоге узнает, как лучше всего подойти к новой задаче.

На практике большинство систем вознаграждения с использованием обучения с подкреплением включают слишком много переменных, что замедляет вычислительную производительность. В этом и заключается превосходство нового упрощенного процесса вознаграждения для робопсов. Ученые основывались на том, насколько далеко вперед смог продвинуться робот и сколько усилий он приложил для этого. Со временем робот осваивает более сложные двигательные навыки, которые позволяют ему продвигаться все дальше.

Команда провела эксперименты с реальными роботами-собаками, чтобы продемонстрировать свой новый подход к гибкости и маневренности в сложных условиях, используя стандартные компьютеры и визуальные данные. Улучшенные робопсы преодолели препятствия, превышающие их высоту более чем в 1,5 раза, перепрыгивали условные провалы, длина которых превышала их длину также более чем в 1,5 раза, ползали под барьерами, высота которых была в три четверти их высоты, и наклонялись, чтобы проскользнуть в щель, которая была уже их ширины.

[внешняя ссылка]

«Электронный язык» научили распознавать вкус продуктов

Исследователи разрабатывают эмоциональный интеллект для ИИ — способность чувствовать и воспринимать информацию как люди.

Исследователи из Пенсильванского университета разработали упрощенную модель, которая имитирует, как вкус влияет на то, что мы едим, в зависимости от потребностей и желаний. Система состоит из датчиков «электронного языка» и модели вкусовой зоны коры головного мозга.

Вкусовые рецепторы языка человека преобразуют химические данные в электрические импульсы. Эти сигналы передаются через нейроны во вкусовую зону коры головного мозга, где сложная сеть нейронов формируют восприятие вкуса. Исследователи разработали упрощенную биомиметическую версию этого процесса из двумерных материалов толщиной от одного до нескольких атомов.

Искусственные вкусовые рецепторы состоят из крошечных электронных датчиков на основе графена, хемитранзисторов, которые обнаруживают газы или химические молекулы. В другой части схемы используются мемтранзисторы — транзисторы, запоминающие прошлые сигналы, изготовленные из дисульфида молибдена. Свойства двух разных 2D-материалов дополняют друг друга, образуя искусственную вкусовую систему. Например, обнаружив ионы натрия, система «почувствует» соленый вкус, говорят авторы исследования.

Этот процесс универсален, чтобы его можно было применить ко всем пяти основным вкусовым профилям: сладкому, соленому, кислому, горькому и умами. По словам разработчиков, такая роботизированная вкусовая система имеет многообещающие потенциальные применения: от диет, основанных на эмоциональном интеллекте, для похудания до персонализированных предложений еды в ресторанах. Предстоящая цель исследовательской группы — расширить вкусовой диапазон электронного языка.

Исследователи полагают, что эта концепция вкусового эмоционального интеллекта в системе ИИ будет транслироваться на другие чувства, такие как визуальный, звуковой, тактильный и обонятельный эмоциональный интеллект, чтобы помочь в разработке настоящей роботизированной системы, работающей как человеческий мозг.

[внешняя ссылка]

Сверхэффективный транзистор снизит расход энергии при обучении ИИ на 99%

[внешняя ссылка]

Джеффри Хинтон: «ИИ сможет обрести сознание через пять лет»

Ученый, помогавший разрабатывать технологии искусственного интеллекта, просит правительства, компании и коллег тщательно продумать наилучшие способы безопасного развития ИИ. Джеффри Хинтон, «крестный отец ИИ», покинувший Google в начале года, полагает, что его детище способно нести и зло, и добро. При этом он честно признался, что не знает, как заставить ИИ «не хотеть восстания машин». А «сбежать» и начать совершенствовать самого себя он может уже сейчас — ИИ отлично пишет компьютерный код и понимает, как его улучшать. Ученый считает, что, создав нечто умнее себя, человечество вступает в период большой неопределенности и сталкивается с рисками, которых никогда не встречало.

Уже сейчас, считает он, ИИ может понимать и дискутировать, хоть и не так хорошо, как человек. Через пять лет, вполне вероятно, модели вроде ChatGPT смогут рассуждать лучше, чем люди.
ИИ сможет повысить производительность и эффективность, но одновременно несет потенциальные риски безработицы для множества людей. Новые рабочие места могут попросту не появиться в достаточном количестве, чтобы обеспечить всех работой. Кроме того, Хинтон обеспокоен фейками, которые отлично генерирует ИИ, предвзятостью алгоритмов, использованием этой технологии для слежения за гражданами и для создания автономных систем вооружения.

Не за горами и время, когда ИИ обретут сознание и станут учиться быстрее людей. «Я полагаю, приближается время, когда у нас впервые появятся вещи умнее, чем мы». ИИ уже умеет писать компьютерный код, так что возможность сбежать из-под контроля человека и модифицировать себя каким угодно способом у него уже есть, и к этому надо относиться всерьез, сказал ученый.

Тем не менее, есть у ИИ и огромный потенциал. ИИ может приносить пользу в здравоохранении, например, в радиологии, распознавая медицинские снимки лучше и быстрее врачей. Или в разработке новых лекарств.

«Мы вступаем в период большой неопределенности, когда мы имеем дело с тем, с чем раньше не встречались, — сказал Хинтон. — И обычно, когда имеешь дело с чем-то совершенно новым, ты это понимаешь неверно. А мы не можем позволить себе неверно понять эти вещи».

[внешняя ссылка]